TensorFlow中的feed与fetch
时间:2022-05-07
本文章向大家介绍TensorFlow中的feed与fetch,主要内容包括一:占位符(placeholder)与feed、2. 多维数据、二:fetch用法、2. fetch多个值、基本概念、基础应用、原理机制和需要注意的事项等,并结合实例形式分析了其使用技巧,希望通过本文能帮助到大家理解应用这部分内容。
TensorFlow中的feed与fetch
一:占位符(placeholder)与feed
当我们构建一个模型的时候,有时候我们需要在运行时候输入一些初始数据,这个时候定义模型数据输入在tensorflow中就是用placeholder(占位符)来完成。它的定义如下:
def placeholder(dtype, shape=None, name=None):
其中dtype表示数据类型,shape表示维度,name表示名称。它支持单个数值与任意维度的数组输入。
1. 单个数值占位符定义
a = tf.placeholder(tf.float32)b = tf.placeholder(tf.float32)c = tf.add(a, b)
当我们需要执行得到c的运行结果时候我们就需要在会话运行时候,通过feed来插入a与b对应的值,代码演示如下:
with tf.Session() as sess: result = sess.run(c, feed_dict={a:3, b:4}) print(result)
其中feed_dict就是完成了feed数据功能,feed中文有喂饭的意思,这里还是很形象的,对定义的模型来说,数据就是最好的食物,所以就通过feeddict来实现。
2. 多维数据
同样对于模型需要多维数据的情况下通过feed一样可以完成,定义二维数据的占位符,然后相加,代码如下:
_x = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="x")_y = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="y")z = tf.add(_x, _y);
运行时候需要feed二维数组,实现如下:
with tf.Session() as sess: result = sess.run(z, feed_dict={_x:[[3, 4], [1, 2]], _y:[[8, 8],[9, 9]]}) print(result)
二:fetch用法
会话运行完成之后,如果我们想查看会话运行的结果,就需要使用fetch来实现,feed,fetch同样可以fetch单个或者多个值。
1. fetch单个值
矩阵a与b相乘之后输出结果,通过会话运行接受到值c_res这个就是fetch单个值,fetch这个单词在数据库编程中比较常见,这里称为fetch也比较形象。代码演示如下:
import tensorflow as tfa = tf.Variable(tf.random_normal([3, 3], stddev=3.0), dtype=tf.float32)b = tf.Variable(tf.random_normal([3, 3], stddev=3.0), dtype=tf.float32)c = tf.matmul(a, b);init = tf.global_variables_initializer()with tf.Session() as sess: sess.run(init) c_res = sess.run(c) print(c_res)
2. fetch多个值
还是以feed中代码为例,我们把feed与fetch整合在一起,实现feed与fetch多个值,代码演示如下:
import tensorflow as tf_x = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="x")_y = tf.placeholder(shape=[None, 2], dtype=tf.float32, name="y")z = tf.add(_x, _y);data = tf.random_normal([2, 2], stddev=5.0)Y = tf.add(data, z)with tf.Session() as sess: z_res, Y_res = sess.run((z, Y), feed_dict={_x:[[3, 4], [1, 2]], _y:[[8, 8],[9, 9]]}) print(z_res) print(Y_res)
上述代码我们就fetch了两个值,这个就是feed与fetch的基本用法。下面我们就集合图像来通过feed与fetch实现一些图像ROI截取操作。代码演示如下:
import tensorflow as tfimport cv2 as cv# 通过opencv读取图像并显示src = cv.imread("D:/javaopencv/test.png")cv.imshow("input", src)_image = tf.placeholder(shape=[None, None, 3], dtype=tf.uint8, name="image")
# ROI区域截取
roi_image = tf.slice(_image, [40, 130, 0], [180, 180, -1])#定义会话并执行with tf.Session() as sess: slice = sess.run(roi_image, feed_dict={_image:src}) print(slice.shape) cv.imshow("roi", slice) cv.waitKey(0) cv.destroyAllWindows()
运行结果显示: 原图:
脸部ROI截取
- JavaScript 教程
- JavaScript 编辑工具
- JavaScript 与HTML
- JavaScript 与Java
- JavaScript 数据结构
- JavaScript 基本数据类型
- JavaScript 特殊数据类型
- JavaScript 运算符
- JavaScript typeof 运算符
- JavaScript 表达式
- JavaScript 类型转换
- JavaScript 基本语法
- JavaScript 注释
- Javascript 基本处理流程
- Javascript 选择结构
- Javascript if 语句
- Javascript if 语句的嵌套
- Javascript switch 语句
- Javascript 循环结构
- Javascript 循环结构实例
- Javascript 跳转语句
- Javascript 控制语句总结
- Javascript 函数介绍
- Javascript 函数的定义
- Javascript 函数调用
- Javascript 几种特殊的函数
- JavaScript 内置函数简介
- Javascript eval() 函数
- Javascript isFinite() 函数
- Javascript isNaN() 函数
- parseInt() 与 parseFloat()
- escape() 与 unescape()
- Javascript 字符串介绍
- Javascript length属性
- javascript 字符串函数
- Javascript 日期对象简介
- Javascript 日期对象用途
- Date 对象属性和方法
- Javascript 数组是什么
- Javascript 创建数组
- Javascript 数组赋值与取值
- Javascript 数组属性和方法
- CentOS 8 如何安装 htop
- Discourse 重复安装过程中的密钥签发问题
- Appium之「元素定位和UiAutomator表达式」
- 机器人软件开发:机器人开源库安装
- 2020-10-05:如何求模平方根?
- leetcode栈之比较含退格的字符串
- Discourse 如何不使用 Let’s Encrypt 而使用 CA 签名的密钥进行安装
- 3分钟短文:Laravel slug,让你的url地址更“好记”
- Qt音视频开发28-Onvif信息获取
- CentOS 8 启用 NTP 服务
- Discourse 如何使用命令行方式进行恢复
- CentOS 8 Apache 启用 SSL
- leetcode栈之二叉树的前序遍历
- 前端学数据结构与算法(七): 从零实现优先队列-堆及其应用
- 前端学数据结构与算法(六):二叉树的四种遍历方式及其应用